我正在尝试分离连接的对象。似乎 Python 和分水岭算法（scipy 实现）非常适合处理这个问题。
这是我的图像和自动生成的分水岭种子点（阈值化和距离变换图像的局部最大值）：
seeds = myGenSeeds( image_grey )
到目前为止，一切都很好；每个对象都有一个种子。
不过，当我运行分水岭时，事情就崩溃了：
segmented = ndimage.measurements.watershed_ift( 255 - image_grey, seeds)`
顶部中间的集群和中心的集群都分离得很差。在顶部集群中，一个物体淹没在另外两个周围。在中心集群中，虽然它可能太小而无法在这里看到，但中心种子仅淹没到几个像素。
我有两个问题：
【问题讨论】：
标签： python image-processing scipy watershed
我发现这个帖子是因为我遇到了与watershed_ift 相同的问题。我建议只使用skimage.morphology 中的watershed 函数。它接受浮点输入，因此您不会失去灰度图像的分辨率，它实际上会淹没整个盆地，而ift 方法似乎只会淹没标记所在的等值线。
编辑： 请务必将您的距离变换乘以 -1，这样山峰就会变成山谷，否则您将不会得到任何分水岭！
【讨论】：
分水岭算法是一种简单而鲁棒的分割算法。对于这种分割算法，您的数据似乎没问题。据我所知，不需要特殊的预处理。当然，你已经看到自己，万一它有点濒临灭绝。
分水岭经常被使用，但没有考虑任何关于您要识别的对象的特殊知识。这样可能会有更复杂的算法可用。
还可能有更复杂的分水岭算法版本可用。这个名为 Watershed 2.0 的 Python 模块有参数（与 scipy 版本不同）。我会稍微调整一下参数，看看结果是否可以改善。
Ilastik是一个常用于自动切分的工具。它结合了半自动学习（基本上你通过举例来训练它，它从中学习重要的特征）。
【讨论】：
您应该在距离变换步骤之后应用多级阈值方法。将距离转换图像转换为灰度图像后，对象的中心将在生成的灰度图像中具有最高像素值。在这里，您可以从阈值的最大值开始找到对象的中心。看这篇论文https://www.researchgate.net/publication/303703322_A_Multi-level_Thresholding_Based_Segmentation_Method_for_Microscopic_Fluorescence_In_Situ_Hybridization_FISH_Images
【讨论】：